[发明专利]电力业务交互行为的持续信任评估方法及相关设备

权利要求书

1.一种电力业务交互行为的持续信任评估方法，其特征在于，包括：

采集业务交互过程中的网络数据包，并对网络数据包进行特征提取和特征分析，得到流量特征序列；

采集所述业务交互过程中的业务交互行为数据，根据所述流量特征序列对所述业务交互行为数据进行深度学习分析，得到业务安全基线；

根据所述业务安全基线对多个业务终端进行分簇，得到多个终端分簇；

计算所述终端分簇中每个终端的信任值，并根据所述信任值对每个业务终端进行持续信任评估。

2.根据权利要求1所述的方法，其特征在于，所述采集业务交互过程中的网络数据包，并对网络数据包进行特征提取和特征分析，得到流量特征序列，包括：

采集业务交互过程中的网络数据包，并根据所述网络数据包对应的业务端口，对所述网络数据包进行分类统计；

根据分类统计结果确定实时特征流量曲线；

根据所述历史流量数据确定历史特征流量曲线；

比较所述实时特征曲线和所述历史特征曲线，得到所述业务的流量特征序列。

3.根据权利要求2所述的方法，其特征在于，所述根据所述网络数据包对应的业务端口对所述网络数据包进行分类统计，包括：

通过解析所述网络数据包确定所述网络数据包对应的所述业务端口；

根据所述业务端口的端口号及各map对象的键值，从各map对象中确定是否存在与所述业务端口对应的map对象；其中，所述map对象的键值为所述的端口号；

响应于不存在与所述业务端口对应的map对象，将所述网络数据包存储于新的map对象，将新的所述map对象的键值设置为所述业务端口的端口号，并将新的所述map对象的的属性值设置为1；

响应于存在与所述业务端口对应的map对象，将所述网络数据包存储于所述map对象，并将所述map对象的的属性值增加1；

根据所述map对象的数量确定分类数量，将每个所述map对象的属性值确定为统计数量。

4.根据权利要求3所述的方法，其特征在于，所述根据分类统计结果确定实时特征流量曲线，包括：

确定每个所述map对象中单位时间存储的数据包的数量；

根据所述数量确定每个所述map对象在预设时长存储的所述网络数据包的总数量，并将所述总数量确定为对应所述业务端口的流量；

将每个所述业务端口的所述流量输入预设的业务流量模型，输出所述实时特征流量曲线。

5.根据权利要求2所述的方法，其特征在于，所述根据所述历史流量数据确定历史特征流量曲线，包括：

通过读取历史数据库，获取所述历史流量数据；

根据所述历史流量数据确定每个所述业务端口的历史流量；

将每个所述业务端口的所述历史流量输入预设的业务流量模型，输出所述历史特征流量曲线。

6.根据权利要求1所述的方法，其特征在于，所述根据所述流量特征序列对所述业务交互行为数据进行深度学习分析，得到业务安全基线，包括：

对所述业务交互行为数据进行预处理，得到流量特征矩阵；

通过卷积神经网络模型对所述流量特征矩阵进行深度学习分析，得到重要特征矩阵；

基于全连接层，根据所述重要特征矩阵确定初始安全基线；

根据流量特征序列对初始业务安全基线进行迭代训练，得到业务安全基线。

7.根据权利要求1所述的方法，其特征在于，根据所述业务安全基线对多个业务终端进行分簇，得到多个终端分簇，包括：

根据所述业务安全基线确定采用相同协议的所述业务终端存在的异常种类；其中，所述异常种类包括指标异常、时序异常、序列异常、模式异常、频次异常、数值异常；

为存在相同异常种类的业务终端标记相同的标签，得到多个所述终端分簇。